AI 과부하는 실제로 있습니다. 지금 뇌에서 무슨 일이 일어나고 있는지 알아보세요.

2024년 무렵부터 뭔가 달라졌습니다. 특정한 종류의 인지적 소진을 호소하는 사람들이 크게 늘었습니다. 번아웃이라고 하기도, 정보 과부하라고 하기도 어려운, 두 가지가 만나는 지점의 무언가였습니다. 설명은 일관됩니다: 정신이 꽉 찬 느낌, 스스로 생각하기 어려움, 불확실성을 견디는 힘의 감소, 그리고 오히려 생각을 더 쉽지 않고 더 어렵게 만드는 AI 도구에 대한 불편한 의존입니다.

이것은 기술 공포증도, 과거에 대한 향수도 아닙니다. 이는 뇌가 정보를 처리하고, 인지 기능을 유지하고, 언제든 이용 가능한 도움에 반응하는 방식을 고려하면 충분히 예측 가능한 실제 신경학적 역학을 반영합니다. 지금 무슨 일이 일어나고 있는지, 그리고 이를 어떻게 다뤄야 하는지에 대해 근거가 무엇을 시사하는지 살펴보겠습니다.

새로운 인지 환경

2025년 기준으로, 대부분의 산업에서 지식 노동자들은 ChatGPT, Copilot, Gemini, Claude, 그리고 수십 개의 특화 도구 같은 AI 도구와 하루에도 여러 번 상호작용합니다. 평균 사용자는 매일 수십 개의 질의를 보냅니다. 이제 AI가 생성한 콘텐츠는 이메일 초안, 회의 요약, 코드, 작성 문서, 검색 결과의 상당 부분을 차지합니다.

이것은 정말로 새로운 인지 환경입니다. 역사상 처음으로, 이전에는 지속적인 노력이 필요했던 인지적 작업의 상당 부분 — 초안 작성, 요약, 검색, 계획, 디버깅 — 을 거의 즉시 넘길 수 있게 되었습니다. 시간이 지나면 이것이 뇌에 어떤 영향을 주는지가 핵심 질문입니다.

인지 기능과 인지 부하에 대해 우리가 알고 있는 바를 바탕으로 보면, 답은 낙관적인 관점(AI가 인간의 역량을 확장한다)이나 비관적인 관점(AI가 인간의 역량을 약화시킨다)보다도 더 복잡합니다. 둘 다, 서로 다른 방식으로, 서로 다른 종류의 사고에서 일어나고 있습니다.

AI 도구가 인지 부하를 줄이기보다 오히려 늘릴 수 있는 이유

직관적으로는 AI에 일을 맡기면 인지적 부담이 줄어든다고 생각하기 쉽습니다. 어떤 면에서는 실제로 그렇습니다. 하지만 인지 부하 이론(Sweller, 1988)에 대한 연구는 내재적 부하(과제 자체의 복잡성), 외재적 부하(과제가 제시되는 방식 때문에 생기는 인지적 요구), 그리고 생성적 부하(이해와 기술을 키우는 인지적 노력)를 구분합니다.

AI 도구는 주로 본질적 부하와 학습에 도움이 되는 부하를 줄여 줍니다. 원래라면 노력과 학습이 필요한 일을 대신 처리해 주기 때문입니다. 하지만 종종 불필요한 부하를 늘립니다: AI가 낸 결과의 정확성을 확인하고, 여러 AI 생성 결과를 일관된 작업으로 통합하고, 여러 도구에 걸친 맥락을 관리하고, 무엇을 맡기고 무엇을 직접 할지 정하고, AI 과정이 제대로 돌아가는지 계속 살펴봐야 하기 때문입니다. 이런 새로운 인지적 요구는 이전에는 없던 것들입니다.

많은 사람에게 나타나는 결과는 역설적입니다. 산출은 더 많아지지만, 인지적 피로도 더 커집니다. 개별 순간에는 일이 더 가볍게 느껴지지만, 하루 전체로 보면 더 지치게 느껴집니다. 많은 사람은 이것을 의사결정 피로라고 설명합니다. 작은 판단을 오래 이어 가는 일도 몇 번의 큰 판단만큼이나 피곤하게 느껴진다는 뜻입니다. 왜 그런지는 연구에서도 의견이 엇갈리지만, 몇 시간씩 끊임없이 작은 결정을 내린 뒤 정신적으로 피곤함을 느끼는 경험은 흔합니다.

AI가 도와주는 업무는 아주 작은 결정의 수를 크게 늘립니다: 이 제안을 수락할지, 저 제안을 거절할지, 이 문단을 수정할지, 저 프롬프트를 다시 요청할지. 각각의 결정은 빠르지만, 하루에 수백 번 쌓이는 이런 미세한 결정의 총 부담은 상당합니다.

자동화의 역설과 숙련 저하

인간공학과 인적 요인 연구에서 자동화의 역설 또는 자동화의 아이러니라고 불리는 잘 알려진 현상이 있습니다(Bainbridge, 1983). 자동화가 반복적인 일을 맡으면, 사람 운영자는 예외적인 상황에 필요한 기술을 덜 익히게 됩니다. 비행의 대부분을 오토파일럿에 의존하는 조종사는 수동 조종 능력이 떨어집니다. AI 진단 도구를 사용하는 방사선 전문의는 AI가 무언가를 놓쳤을 때 발견률이 낮아집니다.

같은 현상은 인지 업무에도 적용됩니다. 글쓰기, 문제를 추론해 나가기, 계획 세우기, 창의적으로 종합하기는 연습을 통해 향상되고, 연습이 없으면 약해지는 기술입니다. AI가 초안 작성, 종합, 구조화된 추론을 맡게 되면, 그런 인지 경로는 덜 사용됩니다. 여기서 우려하는 것은 극적인 변화가 아닙니다. 사람들이 생각하는 법을 잊는다는 뜻은 아닙니다. 다만 익혀 둔 기술이 서서히 약해지면서 시간이 지나며 인지 능력과 자신감에 실제 변화가 생깁니다.

이것은 단순히 손으로 글을 쓰는 연습이 덜 된 것과는 다릅니다. 글쓰기 — 실제로 글을 구성하는 일이지, 받아쓰거나 편집하는 일이 아닙니다 — 는 작업 기억, 개념 조직, 성찰적 사고를 동원하며, AI 출력물을 검토하고 편집하는 것만으로는 그 과정을 온전히 대신할 수 없습니다. 글을 구성하는 인지 작업은 만들어 내는 작업이고, 편집하는 인지 작업은 평가하는 작업입니다. 둘 다 가치가 있지만, 서로 대체할 수는 없습니다.

주의력 분산의 한 층

인지적 부담과 숙련 저하와는 별개로, AI 도구는 이미 방해가 가득한 환경에 주의력 분산을 한 겹 더합니다. 채팅 인터페이스, 코딩 도우미, 글쓰기 도구마다 잠깐씩 집중을 깨뜨릴 수 있는 요인이 됩니다. 생성할 것을 묻고, 나온 결과를 확인하고, 다듬을 후속 작업을 이어 가게 됩니다.

지속적인 주의와 실행 기능을 관리하는 전전두엽은 사람에게서 비롯된 방해와 AI에서 비롯된 방해를 구분하지 않습니다. 과제 전환 비용에 대한 연구(Rubinstein et al., 2001)는 과제를 오가는 일이, 아주 짧더라도, 인지적 부담을 만들며 그것이 하루 종일 누적된다고 보여 줍니다. 이미 분산된 업무 환경에 여러 AI 도구를 더하면 이런 부담은 커지는데도, 많은 사람은 피로의 원인이 어디에서 오는지 알아차리지 못합니다.

아이러니한 점은 AI 도구가 보통 인지적 부담을 줄이기 위해 도입된다는 것입니다. 하지만 새로운 도구, 새로운 인터페이스, 새로운 결정 지점이 더해지면, 적어도 그 도구들이 의식적으로 판단하지 않아도 될 만큼 충분히 통합되기 전까지는, 전체 인지 요구가 줄기보다 오히려 늘어나는 경우가 많습니다.

그렇다면 실제로 어떻게 해야 할까요

줄이는 것과 떠넘기는 것을 구분하세요. 모든 AI 도움의 인지적 효과가 같은 것은 아닙니다. 진짜로 가치가 낮은 작업(서식 맞추기, 상투적인 문구, 반복적인 검색)을 AI로 처리하면 큰 숙련 손실 없이 부담을 줄일 수 있습니다. 복잡한 글쓰기, 논리적인 분석, 창의적인 문제 해결처럼 계속 능숙함을 유지하고 싶은 사고를 AI로 처리하면, 부담은 줄어들지만 익혀 둔 역량을 잃는 대가가 따릅니다. 어떤 사용이 어느 범주에 속하는지 의도적으로 구분하는 것이 시작점입니다.

AI 도움 없이 생각하는 시간을 지키세요. AI에 일을 넘겨 맡길 때 가장 위험에 놓이는 인지 능력은 바로 지켜 둘 가치가 가장 큰 능력들입니다: 독립적인 추론, 꾸준한 글쓰기, 복잡한 계획 세우기. 이런 능력들을 AI 도움 없이, 정해진 시간 동안, 중요한 과제에 대해 의식적으로 연습하는 것은 기술을 두려워해서가 아닙니다. 로봇 도구가 있어도 외과의사가 손기술을 연습하는 것과 같은 이치입니다.

실제로 사용하는 AI 도구 수를 줄이세요. 서로 다른 AI 인터페이스 다섯 개를 관리하는 인지적 부담은, 잘 고른 하나를 잘 관리하는 것보다 더 큽니다. AI 도구가 늘어날수록 앱과 알림이 늘어날 때와 같은 주의력 분산 문제가 생깁니다. 하나로 통합하면 불필요한 인지 부하를 줄일 수 있습니다.

일반적인 디지털 웰빙과 같은 원칙을 적용하세요. AI 과부하는 Unwire가 다루는 더 큰 문제의 한 형태입니다: 주는 것보다 더 많이 요구하는 인지 환경, 보충 없이 소진시키는 주의력 분산, 그리고 연결을 끊는 일이 불가능하게 느껴지게 만드는 늘 접속 가능한 자극입니다. 대응 방법도 같습니다: 명확한 비사용 시간, 주변의 AI 상호작용을 제한하는 환경 설계, 그리고 뇌가 계속 지시받지 않는 규칙적인 회복 시간입니다.

더 긴 관점

지식 노동에 AI가 통합되는 흐름은 되돌아가지 않을 것입니다. 핵심은 개인이 어떻게, 설계상 최대한 오래 머물고 최소한의 마찰만 느끼도록 짜인 환경을 헤쳐 나갈 것인지, 그리고 그것이 며칠이 아니라 수년에 걸쳐 인지 건강에 어떤 영향을 미치는지입니다.

디지털 웰빙에 대한 더 넓은 연구는, 고도화된 기술 환경을 가장 잘 헤쳐 나가는 사람들이 도구를 가장 많이 쓰는 사람도, 가장 적게 쓰는 사람도 아니라는 점을 시사합니다. 오히려 자신의 주의가 놓이는 조건을 의도적으로 통제하는 사람들입니다: 언제 접근 가능하게 둘지, 언제 아닐지, 무엇을 맡길지, 무엇을 지킬지에 대해 말입니다.

그런 의도성을 AI가 가득한 환경에서 유지하기는, 단순히 스마트폰이 넘치는 환경보다 더 어렵습니다. 하지만 핵심 원칙은 같습니다 — 독립적으로 생각할 수 있는 능력을 지키고, 진짜 휴식으로 뇌의 기준 상태를 회복하며, 환경에 반응하기보다 환경을 설계하는 것입니다.

Sources

1. Sweller, J. (1988). Cognitive load during problem solving: effects on learning. Cognitive Science, 12(2), 257–285.
2. Bainbridge, L. (1983). Ironies of automation. Automatica, 19(6), 775–779.
3. Rubinstein, J.S., et al. (2001). Executive control of cognitive processes in task switching. Journal of Experimental Psychology: Human Perception and Performance, 27(4), 763–797.
4. Wiehler, A., et al. (2022). A neuro-metabolic account of why daylong cognitive work alters the control of economic decisions. Current Biology, 32(16), 3564–3575.
5. Baumeister, R.F., et al. (1998). Ego depletion: is the active self a limited resource? Journal of Personality and Social Psychology, 74(5), 1252–1265.

이 페이지를 어떻게 연구하고 검토하는지